技术博客

深度学习、医学图像处理、机器人控制等前沿技术分享

关键词网络

拖拽节点探索 · 右键固定详情 · 搜索高亮跳转

没有匹配的关键词

Vision Banana 深度解析：图像生成器何以成为通才视觉学习者

深度学习 AI

2026 年 4 月，Google DeepMind 发布 Vision Banana——以图像生成模型 Nano Banana Pro 为底座，将所有视觉任务统一为 RGB 图像生成，全面超越 SAM 3、Depth Anything 3 等专用模型。何恺明、谢赛宁署名的这篇论文，正在引爆计算机视觉的「GPT 时刻」。

世界模型 视频生成 Transformer 计算机视觉
阅读全文 →

Agent 认知架构的下一个基础设施：世界模型作为推理引擎、规划基座与安全护栏

AI 架构设计

当前 LLM Agent 最根本的缺陷不是缺少工具、缺少记忆或缺少规划能力——而是缺少一个可以在行动前模拟后果的世界模型。本文从 LeCun 的六模块架构到 CoALA 认知模型，系统论证：世界模型将如何成为 Agent 的下一个基础设施，承担推理引擎、规划基座和安全护栏三重角色。

世界模型 AI Agent Reasoning LLM
阅读全文 →

LLM 是否拥有世界模型：从 Othello-GPT 到认知科学的深度论争

AI 学术写作

语言模型从文本中学到的，是世界的深层因果结构，还是表面的统计相关性？Othello-GPT 用线性探针解码出完整的棋盘状态；Gurnee & Tegmark 在 Llama-2 中发现了空间和时间的神经元。而在另一面，Bender 的随机鹦鹉、Zecevic 的因果鹦鹉、Merrill 的 TC0 复杂度限制，构成了系统性的质疑。本文梳理正反双方的完整证据链。

世界模型 LLM Reasoning Transformer
阅读全文 →

生成式世界模拟器：Sora、Genie 与视频模型能否成为世界的引擎

深度学习 AI

Sora 生成的一分钟视频里，光影的反射、物体的遮挡、流体的运动似乎都遵循着物理定律。这是世界模型的内化，还是统计外观的巧合？本文剖析 Sora、Genie、UniSim 和 GameNGen 的技术架构，系统梳理「视频模型是/不是世界模拟器」的正反证据。

世界模型 视频生成 AI Agent Transformer
阅读全文 →

从梦境到现实：World Models 到 DreamerV3 的技术演进全解

深度学习 AI

从 2018 年 Ha & Schmidhuber 的「在梦境中训练」到 2023 年 DreamerV3 的「一套参数统治 Minecraft + 机器人 + Atari」，世界模型如何让智能体学会在想象中学习？本文逐层拆解 VAE → RSSM → 离散潜变量 → symlog 的技术演进逻辑。

世界模型 AI Agent CNN PyTorch 从零构建
阅读全文 →

从原型到生产：RAG 工程化实战与 CazzKB 架构设计

AI 软件工程

以 CazzKB 开源项目为蓝本，深入解析 RAG 系统的工程化架构设计。涵盖 YAML 配置管理、Provider 工厂模式、SSE 流式响应、三层存储架构、评估体系搭建，以及从向量 RAG 到 GraphRAG 的扩展路径。

信息检索 工程化 系统架构 RAG FastAPI GraphRAG Agentic RAG SSE
阅读全文 →

RAG 技术演进全景：从朴素检索到智能体驱动

AI 软件工程

系统梳理 RAG 技术从 2020 年诞生到 2026 年的完整演进脉络，深入解析 Naive RAG、Advanced RAG、Modular RAG 到 Agentic RAG 四大范式转变，以及 GraphRAG、自适应检索等前沿方向。

信息检索 AI Agent RAG LLM GraphRAG Agentic RAG 大语言模型
阅读全文 →

早期文章归档